ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید

Publisher of Iranian Journals and Conference Proceedings

Please waite ..
CIVILICAWe Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

روش لایه ای با استفاده از ماشین های بردار پشتیبان برای تشخیص نوع ناهنجاری ها در تشخیص نفوذ

سال انتشار: 1392
کد COI مقاله: CECIT01_652
زبان مقاله: فارسیمشاهد این مقاله: 890
فایل این مقاله در 7 صفحه با فرمت PDF قابل دریافت می باشد

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 7 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله روش لایه ای با استفاده از ماشین های بردار پشتیبان برای تشخیص نوع ناهنجاری ها در تشخیص نفوذ

زینب ابویی مهریزی - دانشگاه صنعتی اصفهان، دانشکده برق
سیدرسول موسوی - دانشگاه صنعتی اصفهان، دانشکده برق
مهدی برنجکوب - دانشگاه صنعتی اصفهان، دانشکده برق
محسن نوروزی

چکیده مقاله:

سیستم های تشخیص نفوذ ) – IDS ( دارای چالش های زیادی هستند. از جمله این سیستم ها باید قادر باشند با حجم زیاد داده ها کار کنند. مهاجمان روز به روز سعی در شکستن امنیت دارند و هر روز حملات جدیدترکشف می شوند. از این رو سیستم های تشخیص نفوذ، پس از مدتی کارایی خود را از دست می دهند و قادر به تشخیص حملات جدید نیستند. وقتی IDS ها نشانی از نقض امنیت پیدا کنند، هشدار یا هشدارهایی را تولید می کنند. اماآن ها روزانه تعداد بسیار زیادی هشدار تولید می کنند که بسیاری از این هشدارها مربوط به فعالیت های عادی هستند. ما در این مقاله روشی را پیشنهاد کردیم که هشدارهای تولید شده توسط IDS ها را به پنج کلاس Normal ،DoS ، Probe ، R2L و U2R تقسیم می کند. روش پیشنهادی از چندین لایه تشکیل شده که هر لایه قادر به شناسایی یکی از حملات DoS ، Probe ، R2L وU2R است و در هر لایه از روش SVM برای دسته بندی حملات استفاده شده است. برای این که سیستم پیشنهادی پس از گذشت زمان کارایی خود را از دست ندهد، به صورت خودکار و با کمک گرفتن از تحلیل گر سیستم، به روز می شود . این روش دارای نرخ تشخیص بالایی در شناسایی حملات است. نتایج روش پیشنهادی با روش لایه ای CRF مقایسه شده است، که نتایج حاکی از این است که روش پیشنهادی در تشخیص حملات DoS ، R2L و U2R دقیق تر است

کلیدواژه ها:

تشخيص نفوذ، روش مبتني بر لايه، ماشين هاي بردارپشتيبان، آموزش افزايشي، Conditional Random Field ، امنيت شبكه

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:

https://civilica.com/doc/211050/

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
ابویی مهریزی، زینب و موسوی، سیدرسول و برنجکوب، مهدی و نوروزی، محسن،1392،روش لایه ای با استفاده از ماشین های بردار پشتیبان برای تشخیص نوع ناهنجاری ها در تشخیص نفوذ،کنگره ملی مهندسی برق، کامپیوتر و فناوری اطلاعات،مشهد،،،https://civilica.com/doc/211050

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1392، ابویی مهریزی، زینب؛ سیدرسول موسوی و مهدی برنجکوب و محسن نوروزی)
برای بار دوم به بعد: (1392، ابویی مهریزی؛ موسوی و برنجکوب و نوروزی)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود ممقالهقاله لینک شده اند :

  • Gupta, K.K., B. Nath, and R. Kotagiri, Layered Approach Using ...
  • Xiang, _ # _ _ _ _ hybrid clustering and ...
  • Muda, _ based On _ Naïve Bayes classification in Information ...
  • Li, Y., et al., An efficient intrusion detection System based ...
  • Amiri, F.. et al., Mutual information -based feature selection for ...
  • Li, Y., et al.. Building lightweight intrusion detection system using ...
  • Kok-Chin, K., T. Choo-Yee, and S.P. Amnuaisuk. Forming an optimal ...
  • Knowledge Management, (CAMP), 2010 International Conference _ 2010. ...
  • Horng, S.-J., et al., A novel intrusion detection system based ...
  • Gupta, _ _ Using Conditional Random Fields for Intrusion Detection. ...
  • Biying, Z. A Heuristic Genetic Neural Network for Intrusion Detection. ...
  • Kok-Chin, K., T. Choo-Yee, and S.P. Amnuaisuk. A Probabilistic ...
  • Xiangmei, L. Optimization of the Neural -Network-B ased Multiple Classifiers ...
  • Giacinto, G. and F. Roli. Intrusion detection in computer networks ...
  • DeLooze, L.L. Attack C haracterization and Intrusion Detection using ...
  • Wang, G., et al., A new approach to intrusion detection ...
  • H ad d _ _ _ _ Technology (ICCNT), 2010 ...
  • Computer Security Applications Conf. (ACSAC T03), pp. 14-23, 2003. ...
  • W. Lee, S. Stolfo, and K. Mok, "Mining Audit Data ...
  • W. Lee, S. Stolfo, and K. Mok, _ Data Mining ...
  • Muda, Z., et al. Intrusion detection based On K-Means clustering ...
  • مدیریت اطلاعات پژوهشی

    صدور گواهی نمایه سازی | گزارش اشکال مقاله | من نویسنده این مقاله هستم

    اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: دانشگاه دولتی
    تعداد مقالات: 13,638
    در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

    مقالات پیشنهادی مرتبط

    مقالات مرتبط جدید

    به اشتراک گذاری این صفحه

    اطلاعات بیشتر درباره COI

    COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

    کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.

    پشتیبانی